快手DataAgent规模化落地与智能决策新范式 - 快手技术沙龙以《DataAgent：数据生产与智能决策新范式》为主题，探讨DataAgent从单点工具走向企业级规模化生产决策伙伴的实践路径 [1] - 快手披露集团DataAgent规模化落地关键运行指标：平台WAU突破10600，周人均对话55次，数据分析师、产品运营人员渗透率超80%，NPS达到73.5，单次任务提效中位数达13倍 [3] - DataAgent已深度服务主站、电商、商业化、生活服务、海外、社科、安全等多条业务线，覆盖取数分析、报告生成、数据开发运维、A/B实验智能分析、智能埋点、资产服务等全链路场景 [3] 快手DataAgent演进路径与架构转向 - 2025年上半年，团队以Workflow为主，从单点场景切入；下半年逐步拓展到更多场景 [3] - 2025年底至2026年一季度，完成从Workflow到Agentic+Skill的架构转向，并在生产和分析场景加速落地 [3] - 2026年二季度，快手完成DataAgent品牌和能力统一，进入万级用户规模化应用阶段 [3] 企业级DataAgent能力建设双主线 - 快手数据平台产品技术中心负责人张蕤指出，真正难点在于做成覆盖多角色、多业务、可持续演进的企业级DataAgent [4] - 能力建设拆成两条主线：一条提升泛化能力，让Agent能够处理复杂任务；一条保障准确可信，让结果能够稳定进入真实业务流程 [4] 电商场景DataAgent落地实践 - 快手电商用增营销与支付数据负责人方彬分享了DataAgent在电商场景中的落地过程 [4] - 电商场景落地从早期答非所问到逐步实现精确答疑，从承接临时取数到支持复杂报告生成，再从消费侧分析能力延伸到生产侧提效 [4] - 关键支撑是知识库建设、取数Skill构建与准确性保障体系的逐步完善 [4] A/B实验平台智能化升级与性能提升 - 快手A/B实验平台产品技术负责人覃侃表示，平台正从指标看板分析、实验洞察分析迈向DataAgent驱动的智能化分析 [5] - 通过Agent对话和Copilot两种方式服务实验设计、实验归因、实验报告等场景 [5] - 目前快手A/B实验平台同时在线实验数超过1.3万，每天新建实验数超过150，周活用户超过5000 [5] - 通过将指标计算从SparkETL迁移至新一代OLAP引擎，以LT7指标为例，计算耗时从90分钟降至42秒，成本节约92% [5] - 平台以DataAgent为统一底座，将实验元信息、指标体系、数科知识和分析工具封装为可编排的/abtestSkill，覆盖实验设计、实验归因、智能报告等核心场景 [5] DataAgent对组织协作与岗位边界的影响 - 张蕤认为，当DataAgent在更多场景中规模化应用，岗位边界和组织协作会随之变化 [6] - DE与DPM的能力进一步融合，数据FDE、PDE、全栈工程师等复合型角色开始涌现 [6] - 一人能够承担更完整的任务，跨角色沟通成本随之减少 [6] - 随着DataAgent持续深入生产与分析场景，企业数据能力将加速从工具化走向生产化 [6]